#测试

给 Agent 出一张考卷：评测驱动开发实录，从 12 分到满分

我给博客 AI 助手建了一套 20 题金标准评测集。第一次跑分 12/20——每一个丢分的题目背后，都藏着一个真实缺陷：知识盲区、未查先拒、门控误伤、中文匹配漏配。这是一份带完整解题过程的错题本。